Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 1 · Bilan

Bilan

Reprenons le fil du cours : le développeur ne veut plus taper à la main les douze commandes de la leçon 1. Il décrit une fois la pipeline dans .gitlab-ci.yml, et GitLab exécute à chaque push les jobs, dans des conteneurs.

QuestionRéponse du cours
Pourquoi le CI ?détecter tôt, gagner du temps, tracer, collaborer
Pourquoi le CD ?publier et déployer automatiquement (droits et validation fiables requis)
Qui exécute ?pipeline > stages > jobs (dans un conteneur)
Que contrôle-t-on ?tests unitaires, d'intégration, lint, SAST
Comment configure-t-on ?.gitlab-ci.yml en YAML : stages, image, variables, jobs
Comment passer des fichiers ?artifacts, needs, dependencies

Vérifie que tu as compris

Un job build produit un dossier de fichiers que le job test doit utiliser. Quelle combinaison est adaptée ?

Lire une pipeline

(Exemple ajouté.) Lis ce fichier : deux stages, trois jobs.

stages:
  - build
  - test

lint-job:
  stage: test
  script: black --check --diff

unit-job:
  stage: test
  script: pytest

package-job:
  stage: build
  script: docker build -t myapp:latest .

La pipeline lance d'abord le stage build (package-job), puis le stage test, où lint-job et unit-job sont dans le même stage.

Vérifie que tu as compris

Dans l'exemple ajouté, quels jobs appartiennent au stage test ?